问题描述

系统变为无响应状态并产生以下信息 "INFO: task <process>:<pid> blocked for more than 120 seconds".

Solution 已验证 - 已更新 2018年三月20日07:56 - 

环境

²  Red Hat Enterprise Linux (RHEL) 5.5 (kernel-2.6.18-194) 或更高版本

²  Red Hat Enterprise Linux (RHEL) 6

²  Red Hat Enterprise Linux (RHEL) 7

²  进程处于无法中断的睡眠状态 (D state)

问题

²  在系统变为无响应前，/var/log/messages 中记录了以下信息：

INFO: task <process>:<pid> blocked for more than 120 seconds

²  是什么原因导致产生上面的信息？在对这个问题进行故障排除时需要什么信息？

决议

• 这些信息通常意味着，系统存在磁盘或内存阻塞问题，进程无法获得可用的资源。
• 请参阅 "" 中 CAUTIONS 一段的内容。
• 这些信息通常用来提示用户注意与操作优化有关的问题。这些信息并不一定代表出现了严重的问题，而被阻塞的进程通常会在系统恢复正常状态时被处理。
• 如果需要进一步的故障诊断，根据  的内容产生一个 vmcore，并和红帽的技术支持一起合作分析 vmcore。
• 如果处于挂起状态的任务是第三方的应用程序，请同时请求相关应用程序厂商的支持。
• 如果您已了解到这些任务挂起信息是因为特定错误造成的，您也可以禁止产生这些信息。但是，凯发k8一触即发并不建议这样做，这也不可能防止任务挂起问题的出现。如果您需要禁止产生这些信息，请进行以下操作：

# sysctl kernel.hung_task_timeout_secs=0

• 如果任务挂起导致系统崩溃，而且您已知道了造成这个问题的原因，则可以通过把以下内容添加到 /etc/sysctl.conf 中来避免系统崩溃。在进行改变后，需要运行 'sysctl -p' 以使改变生效。

kernel.hung_task_panic = 0

根源

• Red Hat Enterprise Linux 5.5 使用的内核版本 2.6.18-194 中增加了一个 Detect Hung Task 内核线程 (khungtaskd)，它的功能是检测到那些已处于 D-state ( Uninterruptible Sleep (UN) ) 状态超过了一定时间（默认是 120 秒）的任务，并把以下类型的信息记录到系统日志文件中（例如，/var/log/messages）。

"INFO: task <process>:<pid> blocked for more than 120 seconds"

• khungtaskd 内核线程会监控进程的状态，并检查是否有进程已处于不可中断的状态超过了 "kernel.hung_task_timeout_secs" sysctl 参数所设定的时间长度（这个系统参数的默认值是 120 秒）。如果存在这样的进程，它会在日志中记录这个情况，并记录下阻塞进程的调用回溯信息。为了防止产生大量的日志数据，在默认情况下，这个监控进程只会报告检测到的最先发生的 10 个挂起任务，以后将不再报告。因此，即使不再产生相关的信息，仍然有可能存在阻塞的任务。
• 检查与以下类似的信息：

诊断步骤

INFO: task syslogd:2643 blocked for more than 120 seconds.  

"echo 0 > /proc/sys/kernel/hung_task_timeout_secs" disables this message.  

syslogd D ffff81000237eaa0 0 2643 1 2646 2634  

(NOTLB)  

ffff8101352c3d88 0000000000000086 ffff8101352c3d98 ffffffff80063ff8  

0000000000001000 0000000000000009 ffff81013d2c57e0 ffff810102ac1820  

0000340b30708992 0000000000000571 ffff81013d2c59c8 000000010000089f  

Call Trace:  

[<ffffffff80063ff8>] thread_return+0x62/0xfe  

[<ffffffff88036d8a>] :jbd:log_wait_commit+0xa3/0xf5  

[<ffffffff800a1ba4>] autoremove_wake_function+0x0/0x2e  

[<ffffffff8803178a>] :jbd:journal_stop+0x1cf/0x1ff  

[<ffffffff8002ff40>] __writeback_single_inode+0x1e9/0x328  

[<ffffffff800e1464>] do_readv_writev+0x26e/0x291  

[<ffffffff800f3d9d>] sync_inode+0x24/0x33  

[<ffffffff8804c36d>] :ext3:ext3_sync_file+0xc9/0xdc  

[<ffffffff8005073a>] do_fsync+0x52/0xa4  

[<ffffffff800e1ce9>] __do_fsync+0x23/0x36  

[<ffffffff8005e28d>] tracesys+0xd5/0xe0

• 在发生问题时获取以下数据：

# uname -a > /tmp/uname.out

# ifconfig > /tmp/ifcongfig.out

# top -n 5 -b > /tmp/top.out

# vmstat 1 50 > /tmp/vm.out

# iostat -x 2 10 > /tmp/io.out

# ps aux > /tmp/ps.out

# ps auxH > /tmp/psh.out

# sar -A > /tmp/sar.out

# free > /tmp/free.out

# lsof > /tmp/lsof.out

运行以下命令以提供相关的数据：

# tar -cjvf outputs.tar.bz2 /tmp/*.out

# tar -cjvf message.tar.bz2 /var/log/message*

• 检查这个问题是否是因为使用远程文件系统（如 NFS）造成处理延迟。例如，如果有大量 NFS 服务器请求，就可能会造成这个问题。

$ grep MYAPP lsof | grep oracle

MYAPP    7096     1062  cwd    DIR    0,18     0     558301 /oracle/prd/fs_ne/inst/conc/log

...

$ grep nfs mount

remotehost@:/ on /oracle/prd/fs_ne/inst type nfs (rw,nosuid)